Opublikowano: 8 maja 2025 / Aktualizacja od: 9 maja 2025 r. - Autor: Konrad Wolfenstein
Robotyka dotyowa
System MIT do rozpoznawania obiektów bez specjalnych czujników i robota Vulcan z Amazon
Postrzeganie dotykowego maszyn: nowe standardy rozpoznawania obiektów
W dziedzinie robotyki opracowanie systemów dotykowych i identyfikacyjnych oznacza decydujący postęp, który po raz pierwszy umożliwia nie tylko ich otoczenie, ale także „poczuć”. Rozwój ten jest przykładem nowego robota Vulcan Amazon i innowacyjnego systemu wykrywania obiektów MIL. Obie technologie znacznie rozszerzają możliwe zastosowania robotów i umożliwiają zadania, które wcześniej zarządzały wyłącznie osoby z ich naturalną postrzeganiem dotykowym.
Nadaje się do:
Robot Vulcan z Amazon: przełom w obszarze uchwytu robota dotykowego
Funkcjonowanie i fundamenty technologiczne
Robot Vulcan opracowany przez Amazon reprezentuje znaczący postęp technologiczny w dziedzinie sztucznej inteligencji fizycznej. Amazon opisuje sam rozwój jako „przełom w robotyce i fizycznej sztucznej inteligencji”. System składa się z dwóch głównych komponentów: „Stow”, aby schować i „wybierać” w celu usunięcia obiektów. Jego wyjątkową jakością jest zdolność do postrzegania otoczenia dotykowego.
Podstawa technologiczna umiejętności dotykowych wulkanów tworzą specjalne czujniki mocy, które wyglądają jak krążek hokejowy i umożliwiają robota „poczuć” moc, z jaką może złapać obiekt bez uszkodzenia. Adam Parness, dyrektor AI Robotics w Amazon, podkreśla wyjątkowość tego podejścia: „Vulcan nie jest naszym pierwszym robotem, który może przenosić obiekty. Ale z jego poczuciem dotyku - aby zrozumieć jego zdolność do zrozumienia, kiedy i jak wchodzi w kontakt z obiektem - otwiera nowe możliwości optymalizacji procesów pracy i obiektów”.
Aby sortować obiekty na półkach, Vulcan używa narzędzia podobnego do linijki, które jest przyklejone do gładkiego żelaza do włosów. Dzięki temu „władcy” odsuwa inne przedmioty na bok, aby zrobić miejsce na nowe artykuły. Chwytające ramiona dostosowują grubość uchwytu w zależności od rozmiaru i kształtu obiektu, podczas gdy zintegrowane pasy przenośników wkładają obiekt do pojemnika. Aby wyciągnąć obiekty, Vulcan używa chwytania ssania w połączeniu z systemem kamer.
Obecne obszary zastosowania i wydajności
Robot Vulcan jest obecnie testowany w dwóch ośrodkach logistycznych Amazon: w Winsen w pobliżu Hamburga (Niemcy) i w Spokane, Waszyngton (USA). W Waszyngtonie aktywne jest sześć robotów Stow-Vulcan, które z powodzeniem przechowywały już pół miliona artykułów. W Winsen pracuje dwa vulkany, które już obsługiwały 50 000 zamówień.
Wydajność systemu jest niezwykła: Vulcan może obecnie obsługiwać około 75 procent milionów produktów oferowanych przez Amazon. Najmniejszy rozmiar obiektu, który robot może manipulować, odpowiada szminkowi lub patykom USB. Szczególnie imponująca jest zdolność robota do identyfikacji obiektów w czasie rzeczywistym, ponieważ „nie jest możliwe zapamiętanie wszystkich szczegółów przedmiotów”, jak wyjaśnia Parness.
Plany na przyszłość i integracja z łańcuchem logistycznym
Amazon planuje znacznie zwiększyć liczbę robotów Vulcan w ciągu najbliższych kilku lat. W tym roku liczba wulkanów w Winsen ma zostać zwiększona do 60 i w Waszyngtonie do 50 sztuk. W dłuższej perspektywie planowane jest używanie robotów w ośrodkach logistycznych w Europie i USA.
Ważnym aspektem strategii Amazon jest współistnienie człowieka i maszyny. „Plan główny” firmy przewiduje, że ludzie i maszyny działają równolegle. Przede wszystkim roboty powinny przejąć produkty na półce, do których mężczyzna nie dociera bez drabiny lub dla którego musiałby się zbytnio zginać. Powinno to prowadzić do wyższej ogólnej wydajności, a jednocześnie zmniejszyć obciążenie pracownikami.
System MIT do rozpoznawania obiektów poprzez obsługę: Inteligentne „Feel” bez specjalnych czujników
Innowacyjne podejście do rozpoznawania obiektów
Równolegle z Vulcan Amazon, naukowcy MIT, z Amazon Robotics i University of British Columbia, opracowali system, który podąża za innym podejściem, aby zapewnić roboty umiejętnościami. Ta technologia umożliwia robotom rozpoznawanie właściwości obiektu, takiego jak waga, miękkość lub treść, po prostu go podnosząc i wstrząsając - jak ludzie w kontaktach z nieznanymi obiektami.
Szczególną rzeczą w tym podejściu jest to, że nie są wymagane żadne specjalne czujniki dotykowe. Zamiast tego system wykorzystuje stawowy kod już istniejący w większości robotów - czujniki, które wychwytują pozycję obrotu i prędkość połączeń podczas ruchu. Peter Yichen Chen, MIT-Postdoc i główny autor The Research Work, wyjaśnia wizję projektu: „Moim marzeniem byłoby wysłanie robotów na świat, aby dotykać i poruszać rzeczy oraz niezależnie dowiedzieć się, z czym wchodzą w interakcje”.
Techniczne modele funkcjonowania i symulacji
Rdzeń systemu MIT składa się z dwóch modeli symulacyjnych: jednego, który symuluje robota i jego ruch, a jeden, który odtwarza dynamikę obiektu. Chao Liu, kolejny MIT-PostDoc, podkreśla znaczenie tych cyfrowych bliźniaków: „Dokładna cyfrowa replika prawdziwego świata jest naprawdę ważna dla sukcesu naszej metody”.
System wykorzystuje technologię zwaną „symulacją możliwą do rozróżnienia”, która umożliwia algorytmowi przewidzieć, w jaki sposób niewielkie zmiany właściwości obiektu, takie jak masa lub miękkość, wpływają na pozycję końcową stawów robotów. Gdy tylko symulacja pasuje do rzeczywistych ruchów robota, system zidentyfikował prawidłowe właściwości obiektu.
Decydującą zaletą tej metody jest jej wydajność: algorytm może wykonywać obliczenia w ciągu kilku sekund i wymaga tylko prawdziwej trajektorii ruchu robota do pracy. To sprawia, że system jest szczególnie niedrogi i praktyczny dla prawdziwych zastosowań.
Potencjał aplikacji i zalety
Opracowana technologia może być szczególnie przydatna w zastosowaniach, w których kamery są mniej skuteczne, na przykład podczas sortowania obiektów w ciemnej piwnicy lub gdy ruinuje miejsce w częściowo zawalonym budynku po trzęsieniu ziemi.
Ponieważ algorytm nie potrzebuje obszernego zestawu danych do szkolenia, takich jak niektóre metody, które opierają się na wizji komputerowej lub czujnikach zewnętrznych, jest mniej podatny na błędy, jeśli zmierza się z nieznanymi środowiskami lub nowymi obiektami. To sprawia, że system jest szczególnie solidny i wszechstronny.
Szerszy krajobraz badawczy do czujników dotykowych w robotyce
Podstawowe wyzwania i aktualne rozwiązania
Rozwój robotów z Sense of Touch przedstawia badania z fundamentalnymi wyzwaniami. Chociaż ludzki system dotykowy jest niezwykle złożony i dopracowany, sztuczne systemy muszą to odtworzyć za pomocą środków technologicznych. Ken Goldberg, robot z University of California w Berkeley, podkreśla złożoność tego zadania: „ludzkie poczucie dotyku jest niezwykle dopracowane i złożone, z obszernym obszarem dynamicznym. Podczas gdy roboty szybko robią postępy, byłbym zaskoczony, widząc wrażliwe czujniki na ludzkim poziomie w ciągu najbliższych pięciu lat”.
Pomimo tych wyzwań występuje znaczny postęp w badaniach. Na przykład Fraunhofer IFF opracowuje systemy czujników dotykowych, które umożliwiają reaktywne uchwycie zgodnie z modelem ludzkiej dłoni i są idealne do obsługi kruchej lub zginającej płyty. Dane czujnika służą do dostosowania rozpoznawania chwytaka, komponentu i lokalizacji, a także do monitorowania procesów.
Innowacyjne projekty badawcze w dziedzinie dotykowej robotyki
Oprócz rozwoju Amazon i MIT istnieją inne ważne projekty badawcze w dziedzinie dotykowych czujników robotów:
Instytut Inteligentnych Systemów Inteligentnych Max Planck opracował czujnik Haptic o nazwie Insight, który postrzega dotyk z wysoką wrażliwością. Georg Martius, lider grupy badawczej w Instytucie, podkreśla wydajność czujnika: „Nasz czujnik wykazuje doskonałą wydajność dzięki innowacyjnej mechanicznej konstrukcji powłoki, dostosowanemu systemowi obrazowania w środku, automatycznym pozyskiwaniu danych i dzięki najnowszym metodom głębokiego uczenia się”. Czujnik jest tak wrażliwy, że może nawet poczuć jego własną orientację w odniesieniu do grawitacji.
Kolejnym interesującym projektem jest Densepehysnet, system, który aktywnie wykonuje sekwencję dynamicznych interakcji (np. Szyd i zderzenie) i wykorzystuje głęboki model predykcyjny na temat jego obserwacji wizualnych, aby nauczyć się gęstości, reprezentacje pikselowe odzwierciedlające właściwości fizyczne obserwowane obiekty. Eksperymenty zarówno w symulacji, jak i rzeczywistych środowiskach pokazują, że wyuczone reprezentacje zawierają bogate informacje fizyczne i mogą być wykorzystywane bezpośrednio do dekodowania właściwości obiektów fizycznych, takich jak tarcie i masa.
Nadaje się do:
Przyszłe perspektywy systemów dotykowych robotów
Integracja multimodalnych systemów czujników
Przyszłość dotykowej robotyki polega na integracji różnych metod sensorycznych. Naukowcy z pracy już nauczania sztucznej inteligencji, łączenia zmysłów, takich jak widzenie i dotykanie. Rozumiejąc, w jaki sposób te różne metody sensoryczne działają razem, roboty mogą rozwijać bardziej holistyczne zrozumienie swojego otoczenia.
Zespół MIT już planuje połączyć metodę rozpoznawania obiektów z wizją komputerową w celu utworzenia multimodalnych czujników, które są jeszcze bardziej wydajne. „Ta praca nie próbuje zastępować wizji komputerowej. Obie metody mają swoje zalety i wady. Ale tutaj pokazaliśmy, że możemy już znaleźć niektóre z tych właściwości bez aparatu”, wyjaśnia Chen.
Rozszerzone obszary zastosowań i przyszłych rozwoju
Naukowcy zespołu MIT chcą również badać aplikacje z bardziej złożonymi systemami robotów, takimi jak miękkie roboty i bardziej złożone obiekty, w tym płyny slosh lub media ziarniste, takie jak piasek. W perspektywie długoterminowej masz nadzieję, że wykorzystasz tę technologię, aby ulepszyć uczenie się robotów, aby umożliwić przyszłym robotom szybko rozwijać nowe umiejętności manipulacji i dostosować się do zmian w twoim środowisku.
Amazon planuje dalsze opracowanie technologii Vulcan w nadchodzących latach i wykorzystania jej na większą skalę. Integracja Vulcan z 750 000 robotów mobilnych firmy wskazuje kompleksową koncepcję automatyzacji, która może zasadniczo zmienić branżę logistyczną.
Nauczenie dotykowe: gdy czujniki dają takt robotów
Rozwój robotów z Sense of Touch, zilustrowanym przez Amazon's Vulcan i kolegi system rozpoznawania obiektów, oznacza decydujący punkt zwrotny w robotyce. Technologie te umożliwiają robotom podejmowanie zadań, które były wcześniej zarezerwowane dla osób, ponieważ wymagają wrażliwości i zrozumienia dotykowego.
Różne podejścia-Amazon koncentruje się na wyspecjalizowanych czujnikach i współoncepcie stosowania istniejących czujników do dotychczasowych wniosków, wysyłają różnorodność kierunków badań w tym obszarze. Oba podejścia mają swoje specyficzne mocne strony i obszary zastosowania.
Dzięki progresywnej integracji umiejętności taktycznych w systemach robotów, nowe możliwości automatyzacji złożonych zadań w logistyce, produkcji, opiece zdrowotnej i wielu innych obszarach otwartych. Zdolność robotów nie tylko do oglądania ich otoczenia, ale także do „poczucia”, zbliża nas do przyszłości, w której roboty i ludzie mogą współpracować jeszcze bliżej i bardziej intuicyjnie.
Nadaje się do:
